AI 智能体现在太擅长营销了AI Agents are too good at marketing now

播出信息

• 日期：2026-11-09
• 时长：3120 秒（52 分钟）
• 音频：收听本集
• YouTube：无 YouTube 链接
• Episode：未提供独立页面链接
• 英文转写来源：asr:transcribe-svc:job_52ec0b0cd947

背景

生成式 AI 已经能写广告文案、制作图片和视频，但“能生成素材”不等于“能持续获得客户”。营销团队还需要知道：素材依据什么客户洞察制作，如何发布，怎样把投放结果连到成交与长期收入，以及哪些环节必须由人批准。

本集嘉宾 Cody Schneider 从这一整条链路切入，演示用技能文件驱动静态广告和用户生成内容（UGC）风格视频的制作。他也介绍了自己公司的平台 Graft；因此，这既是一堂工作流示范课，也包含产品推广，听众需要区分可复用的方法与特定平台的能力主张。

总结分析

本集最有价值的转向，是把营销从“请 AI 多写几个点子”改写为一套有输入、有执行权限、也有反馈的工程流程。Cody 认为，智能体若只拿到广告平台 API，很容易在海量数据、重复拉取和接口限制中失控；更稳妥的做法，是先把广告、网站分析、CRM 与支付数据汇入数据仓库，供它查询，再把发布和调整广告的权限单独授予。这样，制作素材与判断素材效果才能连接起来。

现场演示则把抽象架构落到两种产物：静态广告先提取网站风格、寻找客户痛点并提出创意，再生成图片；UGC 风格视频先固定脚本、配音和人物参考图，再做口型、字幕及动态图形。它展示的不是“一次生成即发布”，而是把研究、生成、检查和返工写进流程。节目后半段进一步提出：创意负责人也可以是一个检查步骤，逐帧审视成片，并按品牌及合规标准退回修改。

争议在于，嘉宾将低制作成本和高产量延伸为强势竞争结论，但现场没有提供足以验证长期广告回报的对照数据。更现实的启示是：低成本使测试更多创意成为可能，却也把难题转移到素材质量、真人肖像授权、平台规则、归因可靠性和审批责任上。营销人员并未从流程中消失，而是更需要决定系统该相信什么、能做什么，以及何时必须停下来交给人判断。

节目结构 / 议程

1. 节目目标：让智能体参与获客 — 00:00 🎧
2. 从雇人制作广告到搭建工作环境 — 03:47 🎧
3. 数据管道与数据仓库 — 09:02 🎧
4. 平台权限、接口限制与制作工具 — 14:26 🎧
5. 创意参考库与示范起点 — 20:38 🎧
6. 现场生成静态广告 — 23:02 🎧
7. UGC 风格视频的分步制作 — 30:50 🎧
8. 制作成本与真人创作者协作 — 38:34 🎧
9. 质量关卡、合规与大规模测试 — 44:19 🎧
10. 创意知识库与后续方向 — 49:28 🎧

分节详解

1) 节目目标：让智能体参与获客 — 00:00 🎧

💬 他们说了什么：主持人将本集定位为用 AI 制作获客广告的实操课。Cody 承诺展示两类产物：符合品牌风格、回应客户痛点的静态广告，以及带人物讲述和动态图形的 UGC 风格视频。他强调，技能文件可以把制作步骤交给使用不同工具的智能体执行。

💡 为什么重要：讨论的目标不是单次生成图片，而是让市场研究、创意构思、素材制作与后续投放形成连续工作流。这也解释了为什么节目会花大量时间谈数据和权限，而不只谈提示词。

⚡ 争议点：开场出现“顶尖营销人员”“全天候赚钱”等强烈宣传措辞。节目展示的是制作过程，并未证明任何听众照做后都能获得客户或高投资回报。

2) 从雇人制作广告到搭建工作环境 — 03:47 🎧

💬 Cody 把传统广告制作拆成文案、平面设计、UGC 拍摄、剪辑和动态图形等工作，认为其中不少操作可以转化为软件调用与计算成本。他用“培养皿”比喻智能体所需的环境：业务数据、图像及视频等工具，以及网站和广告平台的访问权限。主持人补充，创业者的新工作是设计模型、上下文和评估机制周围的系统。

💡 这个比喻指出了智能体能力的边界：没有可靠输入，它难以理解业务；没有工具，它不能制作成品；没有合适权限，它无法把成果送入真实渠道。人的角色因而更接近流程设计者和审核者。

⚡ “所有营销都只是代码和计算成本”是嘉宾的概括，不宜照字面理解。定位、品牌判断、授权、合规和客户关系并不会因为制作动作自动化而消失。

3) 数据管道与数据仓库 — 09:02 🎧

💬 Cody 建议用 Airbyte 一类工具把广告平台、Google Analytics、HubSpot CRM 等来源的数据导入 ClickHouse 一类数据仓库，再让智能体查询仓库。他希望把某条广告一路关联到网站行为、销售记录、支付收入，甚至客户终身价值，而不是只看广告平台内的点击或转化。他反对让智能体反复直接拉取各平台的大量原始数据，称这可能带来上下文过载、重复记录和接口限制问题。

💡 如果数据链路确实打通，优化目标就能从“哪条广告得到点击”推进到“哪类素材带来更有价值的客户”。独立的数据层，也让查询和制作任务不必每次都向外部平台重新索取数据。

⚡ 把广告与收入放进同一仓库，不等于完成准确归因。身份匹配、转化延迟、渠道交叉影响、隐私同意及数据质量仍需单独设计；“看到某广告的客户终身价值更高”也不能直接证明广告造成了差异。

4) 平台权限、接口限制与制作工具 — 14:26 🎧

💬 Cody 将广告平台 API 的用途侧重于上传素材、暂停或调整广告，把分析读取放在数据仓库。他警告智能体可能短时间发出大量请求，触及平台限制。制作侧则需要图像、视频、转写、语言模型和潜在客户数据等工具接口。他举例称，其 Google Ads 工作流可在约 20 秒内审视 5000 个搜索词的购买意图；随后介绍了自家公司 Graft 提供的整合方案。

💡 将“读取数据”与“修改投放”分开，是控制故障范围的实用思路。工具接入使智能体能完成中间制作步骤，而接口额度、日志和权限边界决定它能否安全运行。

⚡ 节目没有展示这项搜索词审核的准确率或测试条件。嘉宾关于平台封禁原因的解释也不能替代具体平台条款；接入时仍应按实际 API 政策设置速率限制、最小权限和人工审批。Graft 的功能介绍属于嘉宾自身产品主张。

5) 创意参考库与示范起点 — 20:38 🎧

💬 主持人认为架构中还缺一座“创意参考仓库”：持续收集优秀广告、表达方式和视觉样例，让智能体不只依赖业务数据，也有可借鉴的创意材料。Cody 随后转入现场演示，准备对不同品牌运行静态广告技能文件。

💡 客户数据回答“要对谁说、解决什么问题”，参考库则帮助回答“怎样表达更有吸引力”。把参考作品连同适用场景、受众和表现结果保存下来，比无说明地堆积素材更有用。

⚡ 参考库可能使生成结果趋同，也可能引出版权和品牌混淆风险。学习作品的结构与原样复制画面、文案是两回事，节目没有展开这条界线。

6) 现场生成静态广告 — 23:02 🎧

💬 Cody 输入品牌网址并运行静态广告技能：先提取网站的字体、颜色等风格信息，寻找广告库与社交讨论，再研究潜在客户的痛点和期望结果，提出 5 个创意方向，获确认后生成图片。Idea Browser 的示例角度包括“别再猜该做哪个点子”和“不要在没有前景的想法上浪费六个月”。他还同时启动 Late Checkout、Cursor 等品牌的示例，并展示将成品上传广告账户的操作思路。

💡 演示把“研究—提出角度—确认—制图—投放”变成可观察的步骤。中间先审核创意方向，比直接要求生成一批图片更容易纠正定位错误；品牌规范也可以作为文件补充，而不只依靠自动抓取网站。

⚡ 现场出现的素材不能证明其品牌适配度或投放效果。网站提取可能遗漏品牌规范，社交讨论也未必代表目标客户；替其他品牌制作示例，更不意味着获得了品牌授权。

7) UGC 风格视频的分步制作 — 30:50 🎧

💬 Cody 解释，视频工作流并非直接把脚本丢给生成模型：先确定脚本，用声音克隆生成朗读音频，再连同人物参考图和文字送入视频模型，以约束声音、形象与台词。随后先生成 480p 版本，再做放大、画面处理、逐词转写和读音核对；若品牌名读错，就利用时间戳定位并修正。最后用剪辑工具加字幕和动态图形。他称演示视频约需 5 分钟渲染，并估计直接生成 1080p 的成本约为 14 美元，因此采用先低分辨率生成的路线。

💡 这段最清楚地展示了“技能文件”的含义：它不是一条神奇提示词，而是把生成、比对、纠错和后期制作编排起来。先固定脚本与音频，再检查实际读出的词，也比只凭肉眼看成片更容易发现错误。

⚡ 放大画面不能凭空恢复原始细节；逐词比对也无法保证人物动作、口型和语气都自然。使用真人参考图与声音克隆前，尤其需要确认肖像、声音及衍生使用的授权。

8) 制作成本与真人创作者协作 — 38:34 🎧

💬 Cody 称现场 AI 人物视频的预计费用约 4.75 美元，加上动态图形后约 5 美元；按此估算，制作 10 条约 50 美元、100 条约 500 美元。他又提出另一条路线：通过 Tribe 或 SideShift 等创作者网络向真人发送脚本，再把真人拍摄的视频接入同一套字幕与动态图形流程。他举出的合作案例报价约为每条 40 美元，并提到按视频付费加效果奖金的安排。

💡 AI 人物与真人出演并非只能二选一。团队可以用便宜的合成版本探索脚本，再根据品牌信任、产品展示和授权要求决定哪些创意交给真人拍摄；后期制作步骤仍可能复用。

⚡ 上述金额是嘉宾在特定工作流中的估算，不含所有返工、人工审核、订阅、授权和投放费用。外观“像真人”也带来透明度问题：品牌须判断是否需要标明合成内容，不能把拟真程度当作可无条件发布的理由。

9) 质量关卡、合规与大规模测试 — 44:19 🎧

💬 面对主持人提出的“创意总监式评审”，Cody 建议把它设计成工作流中的检查任务：视觉模型逐帧检查字幕和动态图形，不达标准就退回修改。他称金融等受监管客户会用循环检查广告是否出现禁用承诺，通常在 2—3 轮内得到可用修改。他同时主张提高创意测试速度，把原先每月 10 条的产量提升到可能每月 300 条，并举例说某广告以约每次 50 美元取得 2 个演示预约后，平台仍可能停止继续向它分配花费。

💡 便宜的制作能力改变了瓶颈：团队更需要定义什么素材能发布、怎样判断测试是否获得足够数据，以及何时停止或扩量。将每条广告的生成参数与投放结果关联，也为复盘创意元素提供基础。

⚡ 视觉模型的“通过”不能替代法务或合规批准。更多广告也不必然带来更多有效学习：预算、受众规模和每条素材获得的曝光都有限。嘉宾关于平台算法与 AI 人物广告表现的观察，节目中没有提供系统性对照证据。

10) 创意知识库与后续方向 — 49:28 🎧

💬 主持人提议，把经典广告方法和近期优秀创意人的访谈整理进评审流程，并持续维护可共享的参考库。Cody 赞同将团队发现的新工作流沉淀为共同资产。他还提出未来可另谈潜在客户市场地图、邮件资料补全、冷邮件及 SEO；结尾说明 Graft 正在融资，并邀请感兴趣者联系。

💡 工作流的长期价值不只在模型调用，还在组织能否保存有效的品牌规则、创意判断和失败经验。可共享的知识库能减少团队成员各自从头摸索。

⚡ 把书籍和访谈交给智能体，不等于它已经掌握营销判断；资料的版权、时效、适用市场与实际效果都需要核对。本集没有演示结尾提到的邮件获客或 SEO 工作流。

人物与机构

• Cody Schneider：本集嘉宾，演示营销工作流，并介绍其公司 Graft。
• 主持人：与 Cody 讨论创意参考库、质量评审及真人参与制作；转写中嘉宾称其为 Greg 或 G。
• Graft：Cody 介绍的营销工程平台；其整合能力及使用门槛为节目中的产品陈述。
• Airbyte、ClickHouse：嘉宾举作数据管道与数据仓库的工具例子。
• Meta/Facebook Ads、Google Ads、Google Analytics、HubSpot：节目讨论的数据来源、分析工具或广告投放平台。
• Tribe、SideShift：嘉宾举出的真人 UGC 创作者协作服务例子。
• Tesseract、FFmpeg：节目中用于说明视频后期处理的工具；部分产品名称由英文自动转写识别，具体名称宜以官方资料核对。

金句

“你的工作是当指挥者。”——Cody Schneider，谈人如何组织智能体工作流；据英文转写意译。

“不要把它想成员工，而要想成有待完成的任务。”——Cody Schneider，谈如何设计创意审核步骤；据英文转写意译。

“你需要给它一个能工作的环境。”——Cody Schneider，强调数据、工具和权限要配套；据英文转写意译。

洞见与延伸背景

从广告数据到经营数据，是两次不同的连接。 第一层连接让团队知道素材带来多少点击、线索或预约；第二层还要把线索与实际收入、留存相连。节目提出的长期价值优化属于第二层，建设难度也更高。

“创意负责人”更适合作为标准，而非头衔。 如果希望智能体评审成片，就需要明确可检查的项目：品牌禁用词、字幕遮挡、产品画面错误、声音与口型不一致、未经授权的形象，以及发布前必须由谁签字。模糊的“打八分以上”难以成为稳定关卡。

创意参考库最好保存上下文。 一则广告为何有效，可能取决于受众、投放时期、产品价格和落地页。只存图片容易学到表面风格；同时保存创意假设与测试结果，才更有助于下一轮制作。

争议与需核实

• 效果主张：本集没有提供完整实验数据，无法据此确认“AI 人物优于真人”、提高产量必然改善回报，或所述工作流达到特定营销水平。
• 成本口径：约 5 美元的视频成本及其他报价是否包含订阅、生成失败、审核、授权与后期返工，需按实际项目重算。
• 数据归因：广告与支付记录可被关联，不代表能排除其他渠道影响；涉及个人数据时，还须核实收集依据和使用范围。
• 平台规则：广告 API 调用频率、自动发布权限及合成内容政策可能变化，应以当前官方条款为准。
• 人物与声音权利：真人照片的“改造”、声音克隆和拟真 UGC 广告，均需核实授权、披露与适用法规。
• 转写准确性：英文源为自动识别稿，个别工具或型号名称可能有误；不应仅凭转写确定产品拼写与功能。

行动建议

1. 先选一个窄场景：例如为单一产品制作一组静态广告，不要一开始就开放自动发布和自动调预算。
2. 整理最小输入：准备品牌规范、目标客户、已验证的痛点、可引用的产品事实，以及获授权的创意参考。
3. 拆分读写权限：让智能体先只读分析数据、生成草稿；广告账户的上传、启用和调整分别设置批准节点。
4. 写明质量检查表：至少覆盖事实准确性、品牌一致性、肖像与声音授权、平台政策、字幕和画面问题。
5. 小规模测试并记录结果：保存每条素材的创意假设、制作成本、审核修改和投放表现，再决定是否提高产量。

来源

• 本集音频
• 英文自动转写：asr:transcribe-svc:job_52ec0b0cd947。本文时间戳依据所提供转写标记；金句为意译。